Mettiti in comunicazione con noi

Attualità

L’Aspettativa di Vita in Buona Salute alla Nascita nelle Regioni Italiane

E’ cresciuta in tutte le regioni con eccezione della Basilicata tra il 2009 ed il 2019

Pubblicato

su

DI ANGELO LEOGRANDE

Credit foto:  howardignatius licensed CC BY-NC-ND 2.0.

L’Istat-BES calcola il valore dell’aspettativa di vita in buona salute. L’aspettativa di vita in buona salute alla nascita “esprime il numero medio di anni che un bambino che nasce in un determinato anno di calendario può aspettarsi di vivere in buone condizioni di salute, utilizzando la prevalenza di individui che rispondono positivamente (“bene” o “molto bene”) alla domanda sulla salute percepita”. Tale indicatore riflette quindi un insieme di elementi che fanno riferimento sia ad aspetti ambientali, enogastronomici ed anche individuali che possono avere un impatto significativo nella determinazione del grado di salute della popolazione. Inoltre, vi è un interesse economico specifico all’aspettativa di vita in buona salute alla nascita. Infatti, una popolazione che è più sana costa meno in termini di sistema sanitario e quindi risulta essere più sostenibile nel lungo periodo per lo Stato e la collettività.

Ranking delle regioni italiane per valore dell’aspettativa di vita in buona salute alla nascita nel 2019. Il Trentino-Alto Adige è al primo posto per valore dell’aspettativa di vita in buona salute con un ammontare pari a 65,8 anni, seguito dal Friuli-Venezia Giulia con un ammontare pari a 61,8 anni, seguito dalla Valle d’Aosta con un ammontare di 60,7 anni. A metà classifica vi sono la Liguria con un ammontare pari a 58,9 anni, seguita dal Piemonte con un ammontare pari a 58,9 anni e dalle Marche con un ammontare pari a 58,8 anni. Chiudono la classifica la Sardegna con un ammontare pari a 54,4 anni, seguita dalla Basilicata con un ammontare pari a 54,3 anni e dalla Calabria con un valore pari a 49,7 anni. In media nelle regioni italiane l’aspettativa di vita in buona salute alla nascita è stata pari ad un valore di 58,32 anni.

Ranking delle regioni italiane per variazione percentuale dell’aspettativa di vita alla nascita tra il 2009 ed il 2019. L’Umbria è al primo posto per valore della variazione percentuale dell’aspettativa di vita in buona salute tra il 2009 ed il 2019 con un ammontare di 8,11% pari a 4,50 anni, seguita dalla Valle d’Aosta con un ammontare pari a 7,05% pari ad un ammontare di 4,00 anni, e dall’Emilia Romagna con un ammontare di 6,05% pari ad un ammontare di 3,40 anni. A metà classifica vi sono il Veneto con un ammontare pari a 4,15% pari ad un ammontare di 2,40 anni, seguito dal Lazio con un valore di 3,90% pari ad un ammontare di 2,20 anni, e dal Piemonte con una variazione di 3,88% pari ad un ammontare di 2,20 anni. Chiudono la classifica la Liguria con un ammontare pari a 0,51% pari ad un ammontare di 0,30 anni, il Molise con una variazione percentuale pari a 0,00% e dalla Basilicata con una variazione pari a -0,37% pari ad un ammontare di -0,20 anni. In media tra il 2009 ed il 2019 il valore delle variazione percentuale dell’aspettativa di vita alla nascita nelle regioni italiane è aumentato di un ammontare pari a 3,57% pari ad un ammontare di 2,02 anni.

Macro-Regioni italiane. L’aspettativa di vita in buona salute alla nascita nel Nord è cresciuta da un ammontare di 57,4 anni nel 2009 fino a 60,1 anni nel 2019 ovvero una variazione pari ad un ammontare di 2,70 anni pari ad un ammontare di 4,70%. Tra il 2015 ed il 2019 il valore dell’aspettativa di vita in buona salute alla nascita nel Nord è cresciuta di 0,50 anni pari ad un ammontare dello 0,84%. Tra il 2009 ed il 2019 l’aspettativa di vita in buona salute alla nascita è cresciuta di un ammontare pari a 0,27 anni all’anno mentre tra il 2005 ed il 2019 tale valore è cresciuto di 0,14 anni all’anno. Nel Centro Italia il valore dell’aspettativa di vita in buona salute alla nascita è cresciuta da un ammontare di 56,9 anni nel 2009 fino ad un valore di 59,1 anni nel 2019 ovvero pari ad un ammontare di 2,20 anni, pari al 3,87% ed una crescita media pari ad un valore di 0,22 anni. Tra il 2015 ed il 2019 il valore dell’aspettativa di vita in buona salute alla nascita è cresciuta da un ammontare di 58,8 anni fino ad un valore di 59,1 anni ovvero pari ad una variazione di 0,30 anni pari ad un valore di 0,51%. Tuttavia, tra il 2015 ed il 2019 il valore della media delle variazioni assolute dell’aspettativa di vita in buona salute alla nascita è diminuito di un ammontare pari a -0,04 unità. Mezzogiorno tra il 2009 ed il 2019 il valore dell’aspettativa di vita in buona salute alla nascita è cresciuta da 54,5 anni fino ad un valore di 56,2 anni ovvero una variazione di 1,70 anni pari ad un ammontare del 3,12%. Tra il 2015 ed il 2019 il valore dell’aspettativa di vita alla nascita in buona salute è cresciuto da un ammontare di 56 anni fino ad un valore di 56,2 anni ovvero pari ad una variazione di 0,20 anni pari ad un valore di 0,36%. In media in Italia tra il 2009 ed il 2019 il valore dell’aspettativa di vita in buona salute alla nascita è cresciuto da un ammontare di 56,4 anni fino ad un valore di 58,6 anni nel 2019 ovvero una variazione di 2,20 anni pari ad un ammontare di 3,90%. Tra il 2015 ed il 2019 il valore dell’aspettativa di vita in buona salute alla nascita è cresciuto da un ammontare di 58,3 anni fino ad un valore di 58,6 anni nel 2019 ovvero una variazione di 0,30 anni pari ad una variazione di 0,51%. Vi sono dunque due fenomeni da considerare nelle macro-regioni italiane: da un lato c’è una crescita dell’aspettativa di vita in buona salute alla nascita in tutte le aree geografiche italiane, dall’altro lato c’è un crescente divario tra Nord e Centro-Sud. Infatti, considerando la differenza tra l’aspettativa di vita in buona salute alla nascita nel Nord e nel Sud risulta che: nel 2009 i meridionali avevano una aspettativa di vita in buona salute alla nascita di 2,9 anni inferiore rispetto al Nord, un valore che è peggiorato a 3,6 anni nel 2015 e a 3,9 anni nel 2019. Ne deriva quindi che l’aspettativa di vita in buona salute dei meridionali migliorata in serie storica anche se è peggiorata in confronto con il Nord Italia.

Clusterizzazione. Di seguito viene proposta una analisi della clusterizzazione attraverso l’utilizzo dell’algoritmo k-Means utilizzato per individuare la presenza di gruppi tra le regioni italiane. Poiché l’algoritmo k-Means è un algoritmo non supervisionato è necessario individuare un criterio per scegliere il numero ottimale di clusters. Nel caso specifico è stato utilizzato il coefficiente di Silhouette. Il coefficiente di Silhouette varia da -1 a 1. Il numero di clusters ottimale corrisponde al coefficiente di Silhouette maggiore. Nel caso analizzato il coefficiente di Silhouette maggiore si è verificato in presenza di un numero di clusters pari a 3. Ne deriva pertanto la seguente clusterizzazione:

  • Cluster 1: Valle d’Aosta, Lombardia, Veneto, Friuli-Venezia Giulia, Toscana, Emilia-Romagna, Liguria, Piemonte, Marche, Umbria, Lazio, Abruzzo, Molise;
  • Cluster 2: Trentino-Alto Adige;
  • Cluster 3: Sardegna, Basilicata, Calabria, Sicilia, Puglia.

In termini di valore mediano dei clusters è quindi possibile individuare il seguente ordinamento ovvero C2 con un valore mediano dell’aspettativa di vita in buona salute alla nascita pari ad un ammontare di 65,8, seguito dal C1 con un valore di 59,6 e dal cluster 3 con un ammontare di 55,15 unità. Ne deriva pertanto il seguente ordinamento ovvero C2>C1>C3. Analizzando la cartina geografica della clusterizzazione risulta evidente che le regioni del centro nord hanno un valore dell’aspettativa di vita in buona salute alla nascita significativamente migliore rispetto alle regioni meridionali. Tra tutte le regioni spicca il Trentino-Alto Adige che ha dei livelli di aspettativa di vita in buona salute alla nascita che superano di gran lunga quelle delle regioni meridionali. Ne deriva pertanto che probabilmente anche i livelli di capitale umano e sociale hanno un impatto significativo nella determinazione dei livelli di qualità della vita della popolazione dal punto di vista sanitario. Infatti, il Trentino-Alto Adige non è soltanto una delle regioni con maggiore reddito pro-capite in Italia quanto anche una delle regioni con maggiore cultura della cooperazione e coesione sociale.

Network Analysis. Di seguito è stata condotta una network analysis. L’analisi è realizzata per il tramite dell’utilizzo della distanza di Manhattan. Vengono rilevati i seguenti elementi:

  • Numero di nodi pari a 20;
  • Numero di edges 24;
  • Average degree 2.4;
  • Density 0.1263.

Nello specifico risultano essere presenti due link significativi nell’interno dell’analisi realizzata ovvero:

  • Piemonte-Veneto con un valore pari a 2,9;
  • Campania-Sicilia con un valore pari a 1,6.

Tali link indicano una significativa correlazione tra le regioni indicate. Tali relazioni possono indicare una convergenza nell’interno delle dinamiche economiche, sociali, istituzionali e comportamentali che hanno un impatto nella determinazione dell’aspettativa di vita in buona salute alla nascita.

Machine Learning and Predictions. Di seguito otto diversi algoritmi di machine learning vengono utilizzati per la predizione del valore futuro dell’aspettativa di vita in buona salute alla nascita nelle regioni italiane. Gli algoritmi sono stati addestrati con il 70% del dataset disponibile mentre il restante 30% del dataset è stato utilizzato per la predizione. L’analisi della performance è stata realizzata considerando la capacità degli algoritmi di massimizzare l’R-quadro ed i minimizzare i principali errori statistici ovvero “Mean Absolute Error”, “Mean Squared Error”, “Root Mean Squared Error”.  Ne è quindi derivato il seguente ordinamento degli algoritmi ovvero:

  • Random Forest Regression con un valore del payoff pari a  4;
  • Tree Ensemble Regression con un valore del payoff pari a  9;
  • Artificial Neural Network-ANN  con un valore del payoff pari a  14;
  • PNN-Probabilistic Neural Network con un valore del payoff pari a  15;
  • Simple Regression Tree con un valore del payoff pari a  18;
  • Linear Regression con un valore del payoff pari a  26;
  • Gradient Boosted Tree con un valore del payoff pari a  26;
  • Polynomial Regression con un valore del payoff pari a 32.

Pertanto utilizzando l’algoritmo best performer ovvero il Random Forest Regression è stato possibile realizzare le seguenti predizioni ovvero:

  • Liguria con una variazione aumentativa da un ammontare di 59,20 unità fino ad un valore di 50,43 unità ovvero pari ad una variazione di 1,23 unità pari al 2,08%;
  • Veneto con un variazione diminutiva da un ammotnare di 60,30 unità fino ad un valore di 59,57 unità ovvero pari ad una variazione di -0,73 unità pari ad una variazione di -1,21%;
  • Emilia Romagna con una variazione aumentativa da un ammontare di 59,60 unità fino ad un valore di 60,15 unità ovvero pari ad una variazione di 0,55 unità pari ad un ammontare di 0,93%;
  • Abruzzo con una variazione aumentativa da un ammotnare di 57,30 unità fino ad un valore di 57,72 unità ovvero pari ad una variazione di 0,42 unità pari ad un ammontare di 0,73%;
  • Calabria con una variazione aumentativa da un ammontare di 49,70 unità fino ad un valore di 55,16 unità ovvero pari ad una variazione di 5,46 unità pari ad una variazione di 10,99%;
  • Sicilia con una variazione aumentativa da un ammontare di 55,90 unità fino ad un valore di 57,09 unità ovvero pari ad una variazione di 1,19 unità pari ad un valore di 2,12%;

In media il valore dell’aspettativa di vita in buona salute alla nascita è predetta in crescita nelle regioni considerate da un valore medio di 57,00 unità fino ad un valore di 58,35 unità ovvero pari ad un vlaore di 1,35 unità pari ad un valore di 2,37%.

Conclusioni. In sintesi è possibile verificare che il valore dell’aspettativa di vita in buona salute alla nascita è cresciuta nel periodo tra il 2009 ed il 2019 in tutte le regioni italiane con esclusione della Basilicata. Tuttavia occorre consdierare che il tasso di crescita dell’aspettativa di vita in buona salute alla nascita delle regioni del Nord Italia è stato pari ad un valore di 4,7% mentre nel centro italia è stato pari ad un ammotnare di 3,8% e nel Sud pari ad un valore di 3,11% tra il 2009 ed il 2019. Ne deriva che in media nel 2019 un cittadino del Nord ha avuto una aspettativa di vita in buona salute alla nascita di circa 3 anni più alta rispetto ad un cittadino del Meridione. In modo particolare le regioni più virtuose in termini di aspettativa di vita in buona salute sono le regioni del Nord-Est con il Trentino Alto Adige in testa. Poiché tali regioni sono anche le più ricche in termini di reddito-pro capite e capitale umano e sociale ne deriva che inevitabilmente esiste una connessione positiva tra il valore dell’aspettativa di vita in buona salute alla nascita e la capacità di produzione di valore aggiunto e beni pubblici e sociali. Inoltre occorre considerare che aumentare anche marginalmente l’aspettativa di vita in buona salute alla nascita significa risparmiare molto in termini di spesa pubblica regionale e quindi avere anche dei sistemi sanitari regionali più sostenibili dal punto di vista finanziario. Le politiche economiche per migliorare l’aspettativa di vita alla nascita sono quindi complesse e richiedono una serie di interventi compositi che vanno dalla crescita del valore aggiunto, al miglioramento della capacità di produzione di beni pubblici e sociali mediante l’apprezzamento del capitale umano. Infine occorre considerare che questi dati sono pre-covid. Poiché il Covid ha colpito significativamente il Nord Italia, soprattutto la Lombardia, è probabile che abbia comportato una riduzione significativa dell’aspettativa di vita in buona salute soprattutto nelle regioni settentrionali.

RIPRODUZIONE RISERVATA © 

is Assistant Professor at the LUM University-Giuseppe Degennaro in Casamassima-Bari, where he is also researcher for the LUM Enterprise S.r.l. a firm oriented to develop digitalization services for SMEs. He worked at Dyrecta Lab Research Institute, a research institute officially recognized by the Italian Minister of University and Research-MIUR, where he acquired professional hard skills on the economic consequences of Industry 4.0, Big Data, Machine Learning and Artificial Intelligence. His research interests include Cooperative Banking, Business Ethics, Innovation Technology, Knowledge, and R&D.